汉语情感词语义模糊性分析及在意见挖掘中的应用研究

发布时间：2021-07-24 07:52

　　近年来,信息技术的快速发展,促进了电商贸易和网上互动平台的发展,也刺激了网络评论文本的激增。通过对大量网络评论进行研究,可以帮助政府、企业商家、顾客做出更合理更有利的决定。由于网络评论的重要性被越来越多的人所重视,网络评论文本的情感倾向性分析已成为自然语言处理领域的研究热点之一。另外,通过对情感词的极性强度进行量化分析,可以有效区分其情感色彩程度,从而帮助人们进行更为准确的情感表达。故关于情感词的语义模糊性研究也是一大研究热点。本文选取网络评论中的情感词作为研究对象,结合汉语语言的自身特点,对情感词的语义模糊性进行量化分析,同时在意见挖掘领域对其进行应用。本文的主要工作有:1、基于How Net情感词典,提出基于Word2vec词向量和How Net语义相似度线性叠加的词典构建方法,在NTUSD情感词典和网络情感词典范围内,扩充How Net情感词典。2、针对简单情感词的语义模糊性,提出将Word2vec与How Net线性叠加方法和基于词频统计方法相结合的新方法,实现对简单情感词极性强度的量化。通过实验发现,使用该方法量化情感词的语义模糊性,可以有效提高情感词极性量化的正确率。相比K... 

【文章来源】：山东理工大学山东省

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

图2.1分割超平面

图 2.2 给出了 CNN 的一个基本结构框架图。从本质上而言，CNN 是一种从输入层到输出层的映射结构。图2.2 卷积神经网络结构图Fig.2.2The StructureofConvolution NeuralNetwork

入层的值；h 代表的是隐藏层，它表示隐藏层的值；o 代表的也是一个向量，它表示输出层的值。图2.3 循环神经网络结构图Fig.2.3 Structureof RecurrentNeuralNetwork对于循环神经网络的计算方法可以用以下公式来表示： tt1** tH fUXWH(2-14) ttO gV*H(2-15)其中，式中的Xt表示在 t 时刻的输入样本；Ht表示在t 时刻的记忆；Ot表示在 t 时刻的输出信息；f()和g()代表的是激励函数；U 表示输入层中此刻输入的样本所具有的权重矩阵，V 表示输出层中输出的样本的权重矩阵，W 表示将隐藏层中的上一次操作所得出的结果作为这一次的输入的权重矩阵。这是因为隐藏层的值 H 不仅既与当前的这次输入相关，还与上一次的输入相关。

【参考文献】：
期刊论文
[1]基于Word2Vec的中文短文本分类问题研究[J]. 汪静,罗浪,王德强.  计算机系统应用. 2018(05)
[2]一种基于Word2Vec的训练效果优化策略研究[J]. 王飞,谭新.  计算机应用与软件. 2018(01)
[3]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军.  计算机学报. 2017(06)
[4]基于word2vec的互联网商品评论情感倾向研究[J]. 黄仁,张卫.  计算机科学. 2016(S1)
[5]基于多词典融合的词汇语义倾向判别[J]. 刘清松,张仰森.  计算机技术与发展. 2015(05)
[6]结合情感词网的中文短文本情感分类[J]. 何天翔,张晖,李波,杨春明,赵旭剑.  计算机应用研究. 2015(10)
[7]网络商品评论的特征–情感词本体构建与情感分析方法研究[J]. 杜嘉忠,徐健,刘颖.  现代图书情报技术. 2014(05)
[8]深度学习的昨天、今天和明天[J]. 余凯,贾磊,陈雨强,徐伟.  计算机研究与发展. 2013(09)
[9]话题型微博语言特点及其情感分析策略研究[J]. 侯敏,滕永林,李雪燕,陈毓麒,郑双美,侯明午,周红照.  语言文字应用. 2013(02)
[10]基于层次结构的多策略中文微博情感分析和特征抽取[J]. 谢丽星,周明,孙茂松.  中文信息学报. 2012(01)

博士论文
[1]细粒度情感分析研究[D]. 施寒潇.苏州大学 2013

硕士论文
[1]面向微博评论的中文文本情感分类研究[D]. 顾宇杰.云南财经大学 2018
[2]基于word2vec词向量的文本分类研究[D]. 朱磊.西南大学 2017



本文编号：3300254